针对装载机铲装过程中作业阻力影响因素众多且环境复杂多变,传统作业阻力预测模型的适用范围有限、动态预测效果不佳等问题,文中提出了一种基于增量学习的装载机铲装作业阻力预测技术。首先,建立装载机铲装作业阻力的双向长短期记忆(Bid...针对装载机铲装过程中作业阻力影响因素众多且环境复杂多变,传统作业阻力预测模型的适用范围有限、动态预测效果不佳等问题,文中提出了一种基于增量学习的装载机铲装作业阻力预测技术。首先,建立装载机铲装作业阻力的双向长短期记忆(Bidirectional Long Short Term Memory,Bi-LSTM)模型作为增量学习的基础模型;然后,基于增量学习搭建模型动态更新框架,构建出能够适应新数据并持续更新的Bi-LSTM增量学习(Bi-LSTM-Incremental,Bi-LSTM-Inc)模型;最后,利用基于EDEM-RecurDyn软件的装载机铲装细沙物料联合仿真的数据进行模型算法的寻优,并利用装载机在相同工况下的在役运行数据进行实际测试验证。结果表明,基于增量学习的装载机铲装作业阻力预测技术能够有效降低预测误差,提高预测精度,作业阻力的动态预测效果好,为装载机无人自主作业提供了技术支撑。展开更多
文摘针对装载机铲装过程中作业阻力影响因素众多且环境复杂多变,传统作业阻力预测模型的适用范围有限、动态预测效果不佳等问题,文中提出了一种基于增量学习的装载机铲装作业阻力预测技术。首先,建立装载机铲装作业阻力的双向长短期记忆(Bidirectional Long Short Term Memory,Bi-LSTM)模型作为增量学习的基础模型;然后,基于增量学习搭建模型动态更新框架,构建出能够适应新数据并持续更新的Bi-LSTM增量学习(Bi-LSTM-Incremental,Bi-LSTM-Inc)模型;最后,利用基于EDEM-RecurDyn软件的装载机铲装细沙物料联合仿真的数据进行模型算法的寻优,并利用装载机在相同工况下的在役运行数据进行实际测试验证。结果表明,基于增量学习的装载机铲装作业阻力预测技术能够有效降低预测误差,提高预测精度,作业阻力的动态预测效果好,为装载机无人自主作业提供了技术支撑。